SAR图像船舶目标检测数据集SSDD

公开的数据集具有重要意义，尤其是对于那些经历过传统方法的科研人员而言（传统方法没有统一的数据和评价标准，算法之间可比性较差）。公开的数据集可促进这一领域的健康快速发展，健康是指研究人员采用统一的训练集和测试集，采用同一个评价指标，增加可比性和可信性；快速是指专注于算法，不需要重复性做数据收集工作。SSDD近几年的发展验证了上述观点。

SSDD使用情况

2017年12月1日，在中国北京召开的BIGSARDATA会议上公开了一个用于SAR图像船舶目标检测的数据集SSDD，SSDD是该领域中第一个公开的数据集。这篇论文仅发布了SSDD的初始粗略版本，但这个第一个公开的数据集得到了相当多学者的前所未有的关注，这也超出了作者的想象。

截止到2021年8月25日，在161个基于深度学习的SAR船舶检测的论文中，使用SSDD作为训练测试数据的有75篇，占46.6%，这显示了SSDD在SAR遥感社区的普及和巨大影响。其它论文采用的数据集是近些年提出的另外五个公开数据集，即Wang等人在2019年发布的SAR-Ship数据集，Sun等人在2019年发布的AIR-SARShip-1.0，Wei等人在2020年发布的HRSID，Zhang等人在2020年发布的LS-SSDD-v1.0，和AIR-SARShip-2.0。

这75篇论文中，只有一份来自国外（印度），其它所有论文作者均为中国学者，这说明中国已成为研究中最活跃的国家或地区。SSDD数据集常出现在各种主流遥感期刊中，例如MDPI的Remote Sensing，IEEE的 JSTARS、TGRS和GRSL等，这表明SSSD被遥感界的学术界广泛接受。

这75篇论文中，有62篇论文使用垂直边框，有9个使用旋转边框，有4篇论文使用像素级多边形分割。SSDD的初始版本仅提供垂直边框的标注，这使得使用垂直边框的数量占大多数（82.7%）。

SSDD得到广泛使用的原因

SSDD取得以上成功的原因主要有以下七点：

1.SSDD的公开时间最早，它比第二个公开的数据集要早1.5年，当没有其他数据集可用时，SSDD成为唯一的选择。

2.用于SAR船舶检测的几种常用卫星都是商业卫星，数据获取渠道有限，SSDD的出现可以解决此困境。

3.SSDD的作者活跃在SAR遥感社区，在公共媒体平台发布的文章促进了这个数据集的传播。

4.SSDD中的SAR图像样本具有不同分辨率，不同传感器，不同的极化，不同的海况，不同的船舶场景，包括近海和近海，以及不同的船舶尺寸。数据多样性是建立可靠的检测模型的基础。

5.当出现一些使用SSDD的论文时，后续学者一般会选择对这个SSDD数据集进行实验，以便于将所提方法与以前的方法进行比较，因此，使用此SSDD数据集的公共论文逐渐增加。这也是为什么其它数据集虽然比SSDD更大更好，但却没有SSDD应用广泛的原因。

6.早期SAR遥感界大多数学者计算机的GPU计算能力有限，与计算机视觉领域中的大规模数据集相比，SSDD的样本数量相对适中（有1160个样本，而PASCAL VOC有 9000个，COCO有20w个样本），这使得配备普通GPU的研究人员能够进行研究和开发，这使使用SSDD数据集进行研究变得相当活跃。此外，相对适中的样本数量也有助于调试模型，提高工作效率，而不是长时间的训练等待。当然，在使用SSDD数据集时，应考虑一些策略，例如数据增强和迁移学习，以避免过拟合。

7.SSDD中有典型的难检测样本，这些样本在SAR船舶检测的实际应用中都需要特别考虑，例如：特征不明显的小型船舶、港口内密集平行停泊的船舶、大型船舶、严重斑点噪声下的船舶测和复杂背景的船舶测。无论是传统的方法还是基于深度学习的方法，这些困难样本的检测都是一个研究热点，而SSDD可提供数据来源以研究这些问题。

SSDD数据集存在的问题以及解决办法

尽管SSDD取得了较大的成功，但SSDD初始版本的粗略标注和模糊标准阻碍了算法的公平比较和学术交流。

首先，初始版本中存在一些粗略的标注，例如，有些船标注错误，有些船未进行标注，有些船的边框标注的不紧凑。因此，SSDD的初始版本是“脏的”。脏数据在计算机视觉领域广泛存在，对于庞大的数据集，深度网络可以通过批量训练减少脏数据的负面影响，从而提高模型的泛化能力。然而，对于少量的SAR图像出现的脏数据，深度网络中可能会出现训练振荡，这将降低检测性能，因此，有必要纠正它们。其次，在SSDD原始论文中存在使用标准模棱两可甚至不合理的问题。

例如，训练测试划分是随机的，但由于样本太少，不同的测试集会导致结果差异很大，这将导致与不同学者的不公平的方法比较。此外，原论文中没有提供划分近岸和远海目标的标准，导致后来的学者对近岸和远海船舶的检测精度进行不公平的比较。

更重要的是，目前该数据集仍缺乏全面的数据统计分析，这不利于其他学者的进一步研究。因此，为了公平的算法比较和有效的学术交流，这里明确制定了一些严格的使用标准，包括训练测试的划分，近岸和远海目标的定义，船舶尺寸的定义，确定密集分布的小型船舶样本，确定在港口密集平行停泊的样本。

SSDD初始版本是垂直矩形边界框（BBox）的标签，但垂直边框不够紧凑，其中存在大量背景杂乱，减少了船舶特征学习，导致船舶特征提取不足，它也不适用于长宽比大且方向任意的船舶，当港口船舶排列过于密集时，BBox无法有效区分，从而导致检测缺失。

因此BBox不再能够满足可旋转边界框（RBox）任务和像素级多边形分割（PSeg）任务的研究需求。RBox可以更好地描述目标的真实形状，同时在船舶检测中提供更好的准确性。像素级多边形分割（PSeg）可完全抑制背景杂乱，是进行SAR船舶检测是最理想的标注。

因此这里发布的最新版本的SSDD涵盖三种标注类型：边界框SSDD（BBox-SSDD），可旋转边界框SSDD（RBox-SSDD）和多边形分割SSDD（PSeg-SSDD）。需要对BBox-SSDD，RBox-SSDD和PSeg-SSDD进行全面的数据统计，分析结果将为未来可能的学者提供一些有价值的建议，以便在使用SSDD时进一步精心设计更高精度和更强鲁棒性的基于深度学习的SAR船舶检测算法。

以上内容来自论文：SAR Ship Detection Dataset (SSDD)-Official Release and Comprehensive Data Analysis